使用条件变分自编码器生成上下文负荷曲线
机器学习
2022-12-14 v2 系统与控制
系统与控制
摘要
生成与历史数据具有相似分布与依赖关系的电力系统状态，对系统规划与安全评估任务至关重要，尤其在历史数据不足时。本文描述了一种面向工商业用户负荷曲线的生成模型，其基于条件变分自编码器（CVAE）神经网络架构；由于此类曲线高度可变，建模颇具挑战。生成的上下文负荷曲线以年份月份和与电网的典型功率交换为条件。此外，生成质量从视觉与统计两方面进行了评估。实验结果表明，我们提出的 CVAE 模型能够捕捉历史负荷曲线的时序特征，并生成具有满意单变量分布与多变量依赖关系的“真实”数据。
引用
@article{arxiv.2209.04056,
title = {Generating Contextual Load Profiles Using a Conditional Variational Autoencoder},
author = {Chenguang Wang and Simon H. Tindemans and Peter Palensky},
journal= {arXiv preprint arXiv:2209.04056},
year = {2022}
}
备注
8 figures, conference